Liyiming Ke
収録論文 16本 ・ フィジカルAI/ロボット学習
※arXiv著者名で収集。同姓同名の別人の論文が含まれる場合があります。
論文
- π0.7: 操縦可能な汎用ロボット基盤モデルと創発的能力VLA2026/4/1
多様なコンテキスト条件付けを用いて、未見環境での言語指示追従やゼロショットの身体汎化を実現するロボット基盤モデルπ0.7を提案した。
- RLトークン：視覚言語行動モデルを用いたオンライン強化学習のブートストラップVLA/強化学習2026/4/1
事前学習済みの視覚言語行動モデル(VLA)にRLトークンと呼ばれる小型の表現を追加し、その上で強化学習を行うことで、実ロボット上で数時間の練習だけで効率的に微調整できる手法を提案した。
- π*0.6：経験から学ぶVLAVLA2025/11/1
実世界での経験と人間の修正を活用した強化学習手法RECAPにより、洗濯物畳みや箱組み立て、エスプレッソ抽出などのタスクを高成功率で実行できる汎用VLAモデルπ*0.6を開発した。
- ATK: タスク駆動型キーポイント自動選択によるロバストな方策学習模倣学習2025/6/1
タスクに応じて画像中の2Dキーポイントを自動選択し、それを用いて模倣学習を行うことで、sim-to-real転移や実世界タスクにおけるロバストな方策を実現する手法を提案。
- π0.5: オープンワールド汎化を実現する視覚-言語-行動モデルVLA2025/4/1
異種タスクの共同学習により、未知の家庭環境でもキッチンや寝室の掃除などの長期的で器用な操作を実行できるVLAモデルπ0.5を提案した。
- Hi Robot: 階層型視覚言語行動モデルによるオープンエンドな指示追従VLA2025/2/1
視覚言語モデルを階層的に用い、複雑な指示や実行中のフィードバックを解釈してロボットの低レベル行動に変換するシステムを提案し、片腕・双腕・移動ロボットで評価した。
- Sim-to-Realギャップの克服：探索方策の学習による実世界強化学習の効率化sim2real2024/10/1
シミュレータで直接方策を学習するのではなく、探索方策を学習して実世界に転移することで、サンプル効率を指数関数的に改善できることを理論と実験で示した。
- π0: 汎用ロボット制御のための視覚-言語-行動フローモデルVLA2024/10/1
事前学習済み視覚言語モデルにフローマッチングを組み合わせ、多様なロボットの大規模データで訓練することで、洗濯物畳みや箱組み立てなどの器用なタスクをゼロショットや言語指示で実行できる汎用ロボット基盤モデルを提案した。
- 連続性に基づく修正ラベルによるデータ効率的な微細マニピュレーションの模倣学習マニピュレーション2024/5/1
接触を伴う微細な操作タスクにおいて、実演データのみから局所連続なダイナミクスモデルを学習し修正ラベルを生成することで、模倣学習の誤差蓄積を軽減し、特に低データ領域で性能を向上させる手法を実機検証した。
- CCIL: Continuity-based Data Augmentation for Corrective Imitation Learning2023/10/1
- Cherry-Picking with Reinforcement Learning : Robust Dynamic Grasping in Unstable Conditions2023/3/1
- Real World Offline Reinforcement Learning with Realistic Data Source2022/10/1
- Grasping with Chopsticks: Combating Covariate Shift in Model-free Imitation Learning for Fine Manipulation2020/11/1
- Telemanipulation with Chopsticks: Analyzing Human Factors in User Demonstrations2020/8/1
- Imitation Learning as $f$-Divergence Minimization2019/5/1
- Tactical Rewind: Self-Correction via Backtracking in Vision-and-Language Navigation2019/3/1